python3爬虫基础学习

在知乎上看到别人写的python爬虫，链接：同时用R语言和Python爬取知乎美图，学习一下，源代码执行不成功，稍微修改了一下，很简单，代码如下：

import requests
from bs4 import BeautifulSoup
import os
import re
import urllib

url="https://www.zhihu.com/question/35931586/answer/206258333"
header={'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36'}
page=requests.get(url,headers=header)
soup=BeautifulSoup(page.text,'lxml')
link_list=soup.find_all("img",class_="origin_image zh-lightbox-thumb lazy")
os.makedirs("./Image/zhihu/")
os.chdir('./Image/zhihu/')
for link in link_list:
    mylink=link.get('data-original')
    name=re.findall(r"v2-.*?\.jpg",mylink)[0]
    urllib.request.urlretrieve(mylink,name)

学习笔记：urlretrieve(url,filename=null,reportbook=null,data=null)方法，将远程数据下载到本地，参数说明：
url：外部或者本地url
filename：指定了保存到本地的路径（如果未指定该参数，urllib会生成一个临时文件来保存数据）；
reporthook：是一个回调函数，当连接上服务器、以及相应的数据块传输完毕的时候会触发该回调。我们可以利用这个回调函数来显示当前的下载进度。
data：指post到服务器的数据。该方法返回一个包含两个元素的元组(filename, headers)，filename表示保存到本地的路径，header表示服务器的响应头。
改成如下代码能看到每张图片的存储进度：

import requests
from bs4 import BeautifulSoup
import os
import re
import urllib

def callbackfunc(blocknum,blocksize,totalsize):
    '''
    @blocknum: 已经下载的数据块
    @blocksize: 数据块的大小
    @totalsize: 远程文件的数据块
    '''
    percent=100.0*blocknum*blocksize/totalsize
    if percent>100:
        percent=100
    print("%.2f%%" %percent)

url="https://www.zhihu.com/question/35931586/answer/206258333"
header={'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36'}
page=requests.get(url,headers=header)
soup=BeautifulSoup(page.text,'lxml')
link_list=soup.find_all("img",class_="origin_image zh-lightbox-thumb lazy")
os.makedirs("./Image/zhihu/")
os.chdir('./Image/zhihu/')
for link in link_list:
    mylink=link.get('data-original')
    name=re.findall(r"v2-.*?\.jpg",mylink)[0]
    urllib.request.urlretrieve(mylink,name,callbackfunc)

另外推荐学习资料：
Beautiful Soup 4.2.0 文档
用Python3开发爬虫